Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта. Благодаря им мы улучшаем сайт!
Принять и закрыть

Читать, слущать книги онлайн бесплатно!

Электронная Литература.

Бесплатная онлайн библиотека.

Читать: Цифровой журнал «Компьютерра» № 42 - Коллектив Авторов на бесплатной онлайн библиотеке Э-Лит


Помоги проекту - поделись книгой:

Отсюда и проблемы всех этих долгосрочных решений, принятых на основе реакций, отслеживаемых за секунды или часы. Такое наблюдение не решает главного вопроса — долгосрочной любви и лояльности сайту. Эти пресловутые методы churn rate можно применять по-разному и собирать информацию из разных источников.

Если показатели «посыпались» — это может быть следствием любого эффекта. И определение причины — непрямая задача исследования. Причиной может быть что-то внешнее. Может быть, это естественная вещь — вы обновили версию и старые UID исчезли. На самом деле это не люди ушли, а лишь обновились идентификаторы программы.

Часто еще бывает, что конкурент что-то выпустил и те, кто были вашими лояльными пользователями, стали менять ваш продукт на аналогичный продукт конкурента. И такой звоночек, вовремя полученный из этой таблицы, позволяет быстро определить захватывает ли это всех, кто живет с вами уже полгода, или их уже никаким калачом не переманишь, и быстро принять ответные шаги.

Теперь немного практических выводов и советов. Во-первых, желательно любые измерения и изменения тестировать не только на сиюминутной метрике вроде тех самых фокус-групп или метрик вроде глубины просмотра. Хорошо бы предоставить продукт тестовой группе в параллель с основной версией и посмотреть долгосрочные метрики на группах пользователей, составляющих небольшую долю от вашей аудитории.

Можно посмотреть, как ведет себя программа и как ведут себя пользователи сервиса в интернете в тестовой группе. И в то же время изучить то, как ведут себя пользователи, которые зарегистрировались на нашем старом интерфейсе. Сравнивать напрямую их нельзя — у них разная реакция. Отношение этих долей лояльных пользователей к отношению периода полураспада и у лояльных и у «быстроутекающих» выявляется сериями метрик, за которыми в таком эксперименте нужно следить. Если делать это на регулярной основе — узнаете много нового и интересного.

Такие результаты разойдутся с кучей оценок, полученных путем простого предъявления интерфейса и его анализов в ходе работы фокус-группы на протяжении часа. Легко заметить, что любые большие порталы и сервисы всегда выкатывают тестовую версию (это может называться по-разному: закрытым тестированием, открытым тестированием, бета-версией), но всегда есть и долгосрочная. Нельзя за сутки померить лояльность, нельзя за сутки посмотреть, как будут вести себя люди, когда будут пользоваться сервисом регулярно. Поэтому такой период вывода чего-то в параллель не только приятен разработчикам, но и очень важен юзабилистам и маркетологам.

Почему все эти вещи я считаю абсолютно необходимыми для юзабилистов? Есть такая затасканная поговорка: у вас нет второго шанса произвести первое впечатление. Вот в том, насколько сильно отличается первое восприятие сервиса и лояльность к сервису, действительно главную роль играет интерфейс, очень важна и функциональность. Как ни странно, изменения функциональности гораздо меньше сказываются на сроках общения с сервисом чем реальное удобство использования. А удобство — это все-таки к юзабилистам, разработчикам интерфейсов, а не к маркетологов.

Второй практический вывод — это уже о бюджетах. Идеальной рекламной кампании в природе не встречается, но всем бы её хотелось. Запустить бы рекламную кампанию и ежедневно привлекать на сервис новых людей в одинаковом количестве и чтобы каждый из них настолько в него влюблялся, что остается пользователем навсегда.

На практике, в лучшем случае происходит так, как нарисовано синей кривой и любой рекламист это хорошо знает. Запустили интернет-кампанию, у вас есть некое нарастание, а как только кампанию завершили, посещаемость начала падать. В идеале — не до той величины, которая была до рекламы. Хотя в жизни, к сожалению, очень и очень часто падает в точности туда же.


Но даже если цифры относительно реалистичные, то у вас будет пятипроцентная конверсия посетителей в лояльных пользователей. Даже если у вас какое-то такое осмысленно время оттока, то на графике отличия от бесконечной лояльности будут катастрофическими. Еще очень важно, что вы можете, аппроксимируя по первым пяти-шести точкам начальной части синей кривой, предсказать что будет в итоге. Это всё та же история с двумя экспонентами: вы можете аппроксимировать это начало кривой и увидеть по первым пяти-шести периодам времени, что у доля лояльных пользователей составляет те самые 5%. Это позволяет сразу принять решение — устраивает вас рекламная кампания, приносящая определённый приток пользователей. В противном случае нужно сразу думать о том, как быстренько задержать тех посетителей, которые заходят на два-три раза.

Бывает, большое количество денег вкладывается в маркетинг (под маркетингом в данном случае подразумевается привлечение пользователей), и вы понимаете, что они расходуются неправильно. Чтобы донести это до начальства как можно проще, можно использовать что-нибудь вроде вот такой упрощённой таблицы. С научной точки зрения в ней много мелких ошибок, зато она простая.


Предположим, что рекламной кампанией можно привлечь десять тысяч пользователей. Будем считать, что мы уже провели все анализы, знаем, где и как будем размещать баннеры и каким будет количество показов. Более того, мы знаем, что с пользователя мы получим 100 рублей (не важно с каких его действий — покупок, просмотров рекламы на сайте и т.д.). Также мы знаем (поскольку неоднократно проводим рекламные компании), что цена привлечения пользователя — порядка 90 рублей. Из них 5% останутся примерно на год, 95% — примерно на месяц (здесь я очень сильно огрубляю до «лояльных» и «нелояльных»). Эти 5% лояльных за год дадут нам 600 тысяч. Но доля «короткоживущих», поскольку их очень много, даст нам за месяц 950 тысяч, итого мы эти полтора миллиона заработали, потратили 900. Отлично -мы заработали, больше чем поллимона.

Вообще, если вы в ходе каких-либо тестов понимаете, что играясь с интерфейсом и контентом, можете поднять долю лояльных пользователей (иногда прибавка составляет процентов пятнадцать), то тогда такая же рекламная кампания дала бы совершенно другой эффект. Вышло бы не 500, а 1500 человек, которые остались бы с нами на весь год и они дали бы нам 1800000 рублей, а чуть меньшее количество «короткоживущих» дало бы нам 850 тысяч. Заработок составит 1750000 тысяч. Те изменения, за счет которых можно втрое (с 5 до 15%) увеличить долю лояльных пользователей, обойдутся нам точно дешевле миллиона. Это серьезный аргумент.

Лояльность пользователя для любого сервиса отражается в совершенно конкретных деньгах. Понятно, что и для магазина и для рекламного сервиса можно идти дальше и делать такие модельки для отдельных сегментов пользователей. Однако для интегрального расчета годится такая предельно огрубленная, но вполне наглядная табличка.

Вот ещё интересная формула. Она про то, что каждый следующий месяц — это аудитория предыдущего месяца, умноженная на единичку минус «утекшие» пользователи, плюс некое n, обозначающее число пользователей, которых вы откуда-то привели.


Эти новые пользователи бывают «самоходные», бывают и «рекламные». Если они рекламные, то за них надо платить, если они самоходные, то это прекрасно. Это на самом деле самое лучшее, что может случиться с сервисом — когда эта величина больше нуля, это настоящий хороший вирус: люди рассказывают друг другу о сервисе. Когда это начинает работать, вы получаете колоссальный естественный приток посетителей.

Churn rate, который стоит первым слагаемым — это некий максимальный churn rate, который вы когда-то мерили, плюс некий коэффициент меньший единицы, который вы, как специалист по юзабилити, должны знать, как уменьшить.

Понятно, что до нуля вы churn rate никогда не сведёте, но вы можете уменьшить его и тем самым увеличите первое слагаемое в формуле. Это, на самом деле, как раз то, что стоит денег, то что является этим G, которое зависит от свойств сайта и F (рекламные расходы), оба являются расходами компании. Во что вложить деньги — в работу юзабилистов и программистов или рекламную кампанию — это уже вопрос правильного бюджетирования.


И последнее. Если уж совсем просто говорить: ребята, вы собираетесь заливать на сайт дорогостоящее вино (или хорошо очищенную водичку) в виде пользователей, покупаемых с помощью рекламы. Заткните все лишние дырки. Дырки, конечно, всегда будут, и какая-то вода будет испаряться. Но хотя бы лишние дырки выявите и заткните. Это как раз задача юзабилистов.

К оглавлению

Интервью

Антон Войтишек (ИВМиМГ СО РАН) о случайных и псевдослучайных числах

Алла Аршинова

Опубликовано 08 ноября 2010 года

В криптографии секретные коды представляют собой хаотические наборы (последовательности) нулей и единиц (это соответствует двоичному представлению целых чисел). Такое представление соответствует способу получения этих последовательностей. Берется некоторый «шумящий» прибор, который в данный момент времени может как выдать, так и не выдать определенный сигнал (в зависимости от результата в шифр заносится единица или нуль). Имеется довольно большое разнообразие таких приборов. Главные критерии их качества — быстрота фиксации и «непредсказуемость» наличия сигнала.

В частности, в октябрьском номере журнала Nature Photonics сообщается, что группа ученых из Германии и Дании создала квантовый генератор хаотических сигналов, который стал одним из лучших в мире по указанным критериям. Как пишет журнал «Успехи физических наук», принцип работы генератора основан на случайном характере вакуумных колебаний электромагнитного поля.

В литературе по криптографии хаотические последовательности нулей и единиц часто называют случайными числами. Понятие случайного (псевдослучайного) числа используется также в теории и приложениях численного статистического моделирования (или в методах Монте-Карло). Здесь случайные числа используются для имитации (моделирования) траекторий различных случайных процессов на компьютере с целью оценки требуемых усредненных характеристик этих процессов.

О том, в чем схожи и различны понятия и способы реализации случайного числа в криптографии и в вычислительной математике, рассказывает доктор физико-математических наук, ведущий научный сотрудник Института вычислительной математики и математической геофизики Сибирского отделения РАН, профессор кафедры вычислительной математики Новосибирского государственного университета, специалист в области теории методов Монте-Карло Антон Войтишек.

- Антон Вацлавович, чем различаются случайные и псевдослучайные числа в теории методов Монте-Карло? Как они соотносятся с понятием случайного числа в криптографии?

- При применении методов численного статистического моделирования требуется получать на компьютере выборочные значения случайных величин с различными законами распределения. Здесь используются различные формульные и алгоритмические преобразования стандартных случайных чисел αj которые распределены равномерно в интервале (0,1) («на пальцах» это означает, что частота появления этих чисел в различных частях единичного интервала одинакова). А вот для получения чисел αj используются датчики (генераторы) стандартных случайных чисел.

Различают физические датчики случайных чисел (основанные, кстати, на использовании упомянутых выше «шумящих» приборов) и генераторы псевдослучайных чисел (это специальные компьютерные программы, имеющие в языках программирования названия RAND или RANDOM).

Конструирование физических датчиков основано на том, что двоичное представление стандартного случайного числа α (а именно такое представление чисел реализуется в компьютере) имеет вид

α = 0,10011001010...

то есть целая часть числа равна нулю (ведь α расположено между нулем и единицей), а в «хвосте», следующем после запятой (этот «хвост» по научному называется мантиссой, а нули и единицы заполняют разряды мантиссы), стоят нули и единицы. Появление нуля и единицы (вне зависимости от значений в соседних разрядах) происходит с равной вероятностью (то есть с вероятностью 1/2).

Далее нужно сконструировать тот самый «шумящий» прибор, выдающий или не выдающий случайный сигнал в данный момент времени. Получение стандартных чисел αj сведется к формированию соответствующих «хвостов» (мантисс) с помощью многократного обращения к прибору (наличие сигнала даст единицу в разряде мантиссы, отсутствие его даст нуль).

Определенная сложность состоит в том, что для применения методов Монте-Карло требуется прибор, позволяющий получать нули и единицы в разрядах мантиссы с равной вероятностью.

К слову, при получении чисел (шифров) в криптографии последнее требование желательно, но не обязательно. Здесь нет нужды увязывать наборы нулей и единиц с приведенным выше представлением стандартного числа αj. Если обнаруживаются слишком длинные серии нулей или единиц, то реализуются специальные алгоритмы, удаляющие следы повторяемости. Это тоже обуславливает существенное отличие «криптографических» чисел от стандартных случайных чисел, используемых в методах Монте-Карло: для последних длинные серии нулей и единиц в мантиссе вполне допустимы.

- Какие сигналы можно использовать в физических датчиках?

- Можно крутить рулетку, раскрасив предварительно круг в два цвета (например, в красный и черный); красный цвет может соответствовать единице, черный — нулю. К слову, этот возможный способ получения стандартных случайных чисел обусловил название методов Монте-Карло, ведь в знаменитом игорном центре тоже крутят рулетку. Недостаток этого способа получения случайных чисел: долгое время реализации и отсутствие автоматизации процесса получения случайных нулей и единиц. Зато здесь более-менее гарантирована вероятность 1/2, если круг раскрашен двумя цветами пополам.

Автоматизация процесса формирования мантиссы стандартного случайного числа связана с применением различных случайных шумов. Иногда используются шумы самого компьютера. Более надежными и быстрыми считаются квантовые генераторы случайных шумов, в которых используются специальные свойства потоков малых (элементарных) частиц.

Проблему получения равных вероятностей появления нуля и единицы часто решают следующим образом. Сигнал замеряют дважды. Возможны следующие исходы: оба раза сигнал был (состояние СС), оба раза сигнала не было (состояние НН), первый был — второго не было (состояние СН) и первый не был — второй был (состояние НС). Если даже вероятность появления сигнала не равнялась в точности 1/2, то все равно состояния НС и СН являются равновероятными. То есть можно фиксировать только эти два состояния (приписав, например, состоянию НС единицу, а СН — нуль), а состояния СС и НН игнорировать.

Есть много ученых и практиков, убежденных в том, что только физические датчики могут дать «настоящие», «поистине случайные» наборы нулей и единиц. Ирония ситуации состоит в том, что уверенность этих исследователей часто зиждется на незнании природы того или иного шума (а вдруг он возникает благодаря каким-то вполне детерминированным — неслучайным — процессам?!).

Применение физических датчиков в расчетах по методу Монте-Карло имеет следующие трудности и недостатки. Во-первых, надежный датчик представляет собой недешевый прибор, в котором кроме всего прочего должны быть предусмотрены быстрые обмены информацией с компьютером. Во-вторых, требуется постоянная проверка выдаваемых датчиком последовательностей (здесь используется мощный аппарат критериев и методик математической статистики), так как даже сверхнадежное техническое устройство дает сбои. В-третьих, имеются отмеченные выше трудности получения равномерного распределения стандартного случайного числа.

Поэтому большинство расчетов по методу Монте-Карло производится с использованием генераторов псевдослучайных чисел.

- Как устроены генераторы псевдослучайных чисел?

- Большинство таких генераторов основаны на применении так называемого метода вычетов и его модификаций. Идея довольно проста. Берется дробное число αi с большим «хвостом» (то есть с длинной мантиссой), умножается на большое целое число M, в результате получается большое целое плюс дробная часть. Потом целую часть результата убирают, а дробную берут в качестве следующего числа:

αi+1 = {Mαi}

Оказывается, если множитель M взять достаточно большим (например, в современных генераторах используются множители порядка M = 5100109) получается, что «хвосты» αi+1 ведут себя как настоящие стандартные случайные числа α.

На самом деле «настоящее» (теоретическое) значение стандартного случайного числа получить невозможно, так как α представляет собой дробь с бесконечной мантиссой, состоящей из нулей и единиц (такую дробь в принципе воспроизвести нельзя). Здесь ситуация похожа на проблему воспроизведения вещественных (в частности, иррациональных) чисел на компьютере.

На практике в методе вычетов при представлении чисел αi берут «длинные» мантиссы (например, в современных генераторах используется T = 128 разрядов мантиссы).

В методе вычетов имеется также проблема периодичности: не позднее, чем через 2T шагов произойдет «зацикливание» генератора. В расчетах по методу Монте-Карло не рекомендуется использование более чем L/2 обращений к генератору; здесь L — длина периода, равная числу шагов метода вычетов, после которого начинается повторение последовательности αi. При удачном подборе множителя M можно получить величину периода L = 2T — 2 (это едва ли не «рекордный» результат). Для T = 128 величина L/2 равна 2125, этого вполне хватает для широкого класса современных задач, решаемых с помощью численного статистического моделирования.

Решение проблем конечности мантиссы (периодичности) не гарантирует качества получаемых чисел αi. Требуется проведение тестов, показывающих, что эти числа по свойствам близки к настоящим (теоретическим) стандартным случайным числам α (тем, что имеют бесконечную мантиссу). Здесь используют широкий спектр критериев и методик математической статистики.

Тестом можно считать и любую задачу с известным ответом, решаемую методом Монте-Карло. В этом смысле процесс проверки генераторов псевдослучайных чисел неограничен. Более того, для любого генератора, основанного на методе вычетов, можно найти «тяжелую» задачу, с которой он «не справится» (то есть правильный ответ не получится). Для такой задачи придется проводить усовершенствование метода вычетов. В частности, можно увеличить длину контролируемой мантиссы T и множитель M.

Следует, однако, учитывать, что увеличение этих величин ведет к росту компьютерных затрат при обращении к подпрограммам типа RAND и RANDOM (если в этих подпрограммах «запаян» метод вычетов). Вообще следует отметить, что обращение к генератору случайных чисел — достаточно дорогостоящая компьютерная операция (по сравнению, например, с простым сложением или умножением чисел). Поэтому считается, что тот алгоритм метода Монте-Карло будет работать эффективнее (быстрее), который использует меньше обращений к генератору псевдослучайных чисел.

- А какие задачи решаются методом Монте-Карло?

- В пятидесятые годы XX столетия расцвет метода Монте-Карло был связан с разработкой проблемы защиты ядерных реакторов. Прежде чем конструировать системы защиты от излучения «в железе», проводились компьютерные расчеты на основе математической модели процесса, схематично выглядевшей следующим образом.

Излучение трактовалось как поток малых частиц («фотонов»), пролетающих сквозь слой защиты, в котором хаотично расположены крупные частицы. «Фотон», сталкиваясь с крупной частицей, либо захватывается ею («поглощается»), либо рассеивается по некоторому вероятностному закону. Можно проследить (реализовав на компьютере) траектории фотонов и подсчитать, какая доля фотонов поглощается в слое защиты. Если эта доля близка к единице, то защита может считаться хорошей.

При реализации траектории «фотона» до поглощения нужны выборочные значения случайных величин с различными законами распределения. Для получения таких значений используют преобразования стандартных случайных чисел αj.

Далее выяснилось, что с описанным случайным процессом движения «фотонов» можно соотнести определенное уравнение (интегральное уравнение Фредгольма второго рода), на основе которого можно строить так называемые весовые оценки для вычисления требуемых характеристик (функционалов) физического процесса. Введение весов позволяет в ряде случаев упростить компьютерную реализацию траекторий «фотонов».

Вычисляемые в данной задаче характеристики (функционалы) можно также трактовать как сумму интегралов бесконечной кратности.

Вообще в литературе метод Монте-Карло обычно представляется как специальный способ вычисления многократных интегралов. Часто для иллюстрации рисуют такую картинку.


Численное интегрирование функции методом Монте-Карло (график из «Википедии») 

Предположим, нам нужно вычислить интеграл, равный площади S под кривой, изображенной на рисунке. Для этого поместим ее в прямоугольник с известной площадью U, и будем кидать в него равномерно распределенные случайные точки. Понятно, что вероятность P попадания случайной точки в интересующую нас область равна отношению площади этой области к площади прямоугольника: P = S/U. Реализуем большое количество точек N, и подсчитаем, какое количество точек K попадет под кривую. Частота K/N попадания случайных точек под кривую приближает вероятность P, и поэтому S/UK/N, а искомый интеграл приближенно равен SKU/N.

На самом деле даже в этом простейшем одномерном случае можно строить более «хитрые» весовые оценки интеграла S, позволяющие получить требуемый уровень погрешности приближения интеграла с меньшими затратами (в первую очередь — с меньшим количеством реализуемых случайных точек).

Одним из главных недостатков метода Монте-Карло является относительно медленное убывание погрешности приближения требуемой величины с ростом числа n реализаций случайных траекторий (точек). Эта погрешность убывает со скоростью n-1/2. То есть для уменьшения погрешности в десять раз требуется взять в среднем в 100 раз больше траекторий (точек). Поэтому многие сложные прикладные задачи решаются долго — иногда сутками (даже на современных суперкомпьютерах).

Для ряда «простых» задач (например, для задачи вычисления интеграла малой кратности с «хорошей», гладкой подынтегральной функцией) метод Монте-Карло проигрывает по эффективности детерминированным (как правило, сеточным) вычислительным методам.

Однако для большого класса весьма актуальных задач, связанных с вычислением многократных (даже бесконечнократных) интегралов или функционалов от решений интегральных уравнений и включающих негладкие входные данные, метод Монте-Карло практически не имеет конкурентов.

Можно также отметить, что методы Монте-Карло стремительно расширяют сферу применения. Эффективные алгоритмы численного статистического моделирования разработаны в физической и химической кинетике, статистической физике, теории массового обслуживания, финансовой математике, теории турбулентности, математической биологии и других областях.

В заключение отмечу, что бурное развитие школы методов Монте-Карло в новосибирском Академгородке на протяжении сорока с лишним лет связано с именем моего учителя, члена-корреспондента РАН Геннадия Алексеевича Михайлова. Под его руководством процветает большой отдел в Институте вычислительной математики и математической геофизики СО РАН, сотрудники которого успешно занимаются вопросами теории и приложений методов Монте-Карло.

К оглавлению

Анатолий Богуславский о радиоактивных отходах

Алла Аршинова

Опубликовано 09 ноября 2010 года

Что делать с радиоактивными отходами (РАО) и отработанным ядерным топливом (ОЯТ)? Этим вопросом уже не первый десяток лет задаются ученые и политики. Есть сторонники их переработки, то есть приверженцы закрытого ядерного цикла, когда из отработанных материалов извлекаются полезные компоненты с целью дальнейшего использования. Есть и противоположная позиция, которая провозглашает открытый ядерный цикл, то есть захоронение отработанного топлива. Можно поступать и по-другому: просто вывозить из своего государства «радиоактивные материалы».

Федеральный закон 1995 года «Об использовании атомной энергии» гласит: «Радиоактивные отходы — это ядерные материалы и радиоактивные вещества, дальнейшее использование которых не предусматривается». А что такое отработанное ядерное топливо, и можно ли считать ОЯТ радиоактивными отходами, не совсем ясно. Интересная дискуссия на эту тему развернулась на страницах журнала «Вокруг света». Дать определение ОЯТ пытается также и автор Российского сайта ядерного нераспространения. В целом, можно сделать такой вывод: грань между ОЯТ и РАО достаточно тонкая, и лежит она не только в области науки, но также и экономики, ведь пока не найдется рентабельный способ извлекать из отработанного ядерного топлива полезные компоненты, их смело можно называть бесполезными отходами. Между тем, в Россию периодически ввозятся «облученные тепловыделяющие сборки зарубежного производства». Для регулирования ввоза ОЯТ существует специальная комиссия, которую в прошлом возглавлял нобелевский лауреат Жорес Алферов. С условиями ввоза-вывоза ОЯТ можно познакомиться, прочитав постановление Правительства от 2003 года.

О международном опыте хранения радиоактивных отходов, о способах переработки и дальнейшего использования отработанного ядерного топлива и о том, какой вид радиационных отходов является наиболее опасным, рассказывает старший научный сотрудник Института геологии и минералогии СО РАН, кандидат геолого-минералогических наук Анатолий Богуславский.

- Анатолий Евгеньевич, какие существуют источники радиоактивных отходов?

- Основным источником радиоактивных отходов является ядерный цикл. В мирном приложении это топливно-ядерный цикл, который включает в себя цепь производств от получения урановой руды до консервации отходов. В военном приложении это также цепь производств от наработки плутония-239, из которого состоит начинка ядерных боезарядов, до систем поддержания боеготовности ядерных зарядов.

Кроме атомной энергетики, конечно, есть и другие источники радиоактивных материалов, прежде всего, это нефтедобыча. Например, попутные воды могут содержать высокие концентрации радия и радона. Вплоть до того, что на первых этапах изучения и применения радиоактивных веществ, когда существовала необходимость в радии, а не в уране, попутные воды рассматривали как радиевое сырье. Для этого даже существовали заводы, которые вырабатывали доли грамма радия в год, и на тот момент это было рентабельным.

Для нефтяных месторождений Западной Сибири эти высокие содержания радионуклидов скорее несвойственны, по опыту наблюдений на месторождениях мы не встречали повышения гамма фона. Однако специалисты из региональной СЭС г. Ханты-Мансийск встречали коммуникации и нефтяное оборудование, которое попадает в категорию радиоактивных отходов.

Следующий источник радиоактивных отходов — это металлургия. Дело в том, что руды редкоземельных элементов часто содержат и радиоактивные элементы. И при извлечении одних элементов другие в хвостах, наоборот, накапливаются. Например, на Челябинском электрометаллургическом комбинате в 2000 году мы находили в шлаках радиоактивные аномалии под сто и выше микрорентген в час. Причем, самое неприятное, что они находились в пылеватых фракциях и при сильном ветре могли легко подниматься в воздух и попадать в легкие.

Угольная энергетика — также может являться источником РАО. Уголь, как правило, содержит некоторое количество естественных радионуклидов, существуют даже ограничения по содержанию радиоактивных элементов в углях, которые используются на ТЭЦ. В Советском Союзе существовали предприятия, которые использовали уголь, обогащенный ураном, сжигали его, в результате получали золу, которая являлась кондиционной урановой рудой. Поэтому когда сторонники атомных станций заявляют, что нормальная ТЭЦ выбрасывает в среду радиоактивных веществ на порядки больше, чем сопоставимая по мощности АЭС, с этим нельзя не согласиться.

Из менее значимых источников РАО можно привести медицину — те же самые рентгеновские аппараты; также это научные центры, где тоже используются некоторые источники гамма и бета-излучения. Радиоактивные элементы применялись еще и в пожарных датчиках.

- Какие виды радиоактивных отходов существуют и чем они опасны?

Современные производства не в состоянии проводить 100% переработку сырья, поэтому на каждом этапе образуются те или иные отходы. Опасны они в том случае, если начинают бесконтрольно распространяться в окружающей среде и попадают в пищевые цепи. Какие из отходов считать наиболее опасными? С точки зрения обращения с ними, это, наверное, высокоактивные жидкие отходы (ВАО), получаемые в результате переработки ТВЭЛов на радиохимических производствах. В нашей стране и в США это преимущественно ЖРО, накопленные при изготовлении ядерного оружия. Переработка топливных сборок пока еще недостаточно развита. В частности, на Красноярском горно-химическом комбинате примерно 20 лет строят завод РТ-2, который, как планируется, и будет перерабатывать ввозимое отработанное топливо, но когда он будет пущен в эксплуатацию, пока неясно.

- Почему высокоактивные жидкие отходы самые опасные?

- Потому что до сих пор специалисты не пришли к единому мнению, что именно нужно с ними делать. Ведь их нужно захоронить так, чтобы они гарантировано не попали в среду обитания. При этом противники ядерной энергии ставят настолько жесткие условия консервации, что их выполнение зачастую в принципе невозможно как технологически, так и экономически. Хотя МАГАТЭ (Международное агентство по атомной энергии) еще в 1981 году провозгласило необходимость их связывания и отверждения, на данный момент эта задача не решена. Сегодня такие отходы либо накапливают, либо, как у нас происходит в Томске, разбавляют и закачивают в глубинные горизонты. Англия и Франция на заре своей ядерной индустрии нашли и еще один вариант: они многократно разбавляли отходы и сливали их в океан. В определенный момент скандинавы в донных отложениях у своих берегов начали фиксировать радионуклиды. Тогда англичане и французы вынуждены были прекратить это.

-Можно ли считать отходами отработанное ядерное топливо?

- Что такое отходы? Это вещества, которые непригодны для дальнейшего использования. Но существует ряд оговорок в рамках экологии, экономической ситуации, либо политики. То, что сейчас считается отходами, завтра ценное сырьё. Очень хороший пример — это отвалы полиметаллических месторождений из района месторождений рудных гор в Чехии. Там веками копились отвалы, потом, когда открыли радиоактивность, появилась потребность в радии. Отвалы превратились в руду. А в конце 40х гг часть пород из этих же отвалов вывозились в Советский Союз уже как урановые руды. Поэтому то, что сейчас считается отходами, в дальнейшем может использоваться. Много недоразумений вызвано тем, что существуют разные варианты топливно-ядерного цикла. И то, что при разомкнутом варианте цикла является конечным продуктом, предназначенным для утилизации, в варианте замкнутого цикла — промежуточный продукт.

Топливный ядерный цикл. Справочник по ядерной технологии, М. 1989.



Поделиться книгой:

На главную
Назад